本网讯（通讯员 王蓓 曹文滋）2023年11月6日，光能数理与能源工程学院、数理学院硕士研究生曹文滋在仪器和测量领域权威期刊《IEEE Transactions on Instrumentation and Measurement》上发表了题为《通过双 DeepLab 指导实现红外和可见光图像的语义区域自适应融合》（Semantic Region Adaptive Fusion of Infrared and Visible Images via Dual-DeepLab Guidance）的论文。

红外传感器在具有挑战性的天气照明等条件下也能捕捉物体的热辐射信息，但红外图像往往缺少细节描述。可见传感器捕捉到的图像包含丰富的纹理细节，但是易受天气照明等条件的影响。两者优良互补的特点，使得红外与可见图像融合技术在民用领域（故障点检测、行人识别、自动驾驶）和军事领域具有广泛的运用。

在这项研究中，曹文滋提出了一种新的高级语义感知的融合方法，该方法考虑到以往无区域差别的最大化强度损失难以适应不同区域的语义要求。通过语义区域决策块将原始场景分为三种包含不同程度高级语义信息的区域，并针对不同语义区域设计特定的损失函数，使得生成的图像集成了更全面的语义信息。

该论文第一作者为2021级硕士研究生曹文滋，通讯作者为廖青教授，武汉工程大学光学信息与模式识别湖北省重点实验室为第一单位。

论文链接：https://ieeexplore.ieee.org/document/10273836

（审稿 廖青）